فایل word شبيه سازي يک مدل ترکيبي به کمک الگوريتم ژنتيکي و شبکه عصبي مصنوعي براي تفکيک الگوهاي خوش خيم و بدخيم سرطان سينه در ماموگرافي

    —         —    

ارتباط با ما     —     لیست پایان‌نامه‌ها

... دانلود ...

بخشی از متن فایل word شبيه سازي يک مدل ترکيبي به کمک الگوريتم ژنتيکي و شبکه عصبي مصنوعي براي تفکيک الگوهاي خوش خيم و بدخيم سرطان سينه در ماموگرافي :




نام کنفرانس، همایش یا نشریه : مجله فيزيك پزشكي ايران

تعداد صفحات :18

مقدمه: این تحقیق کوششی برای تشخیص ضایعات پستانی مشکوک به بدخیم با استخراج اطلاعات کمی و کیفی از تصاویر ماموگرافی فیلم- اسکرین و استخراج بهترین پارامترهای تشخیصی از میان کل پارامترهای موجود و ارتقای دقت، حساسیت و ویژگی تشخیصی به کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی می باشد.مواد و روشها: اطلاعات لازم برای این تحقیق از تصاویر ماموگرافی مربوط به 119 بیمار مشکوک به سرطان سینه (49 مورد بدخیم و 70 مورد خوش خیم) و در قالب 12 پارامتر تشخیصی توسط پزشک متخصص، استخراج و سپس به مدل ترکیبی ما تزریق شد. از آنجا که همه این 119 بیمار بعد از ماموگرافی، بیوپسی نیز شده بودند، نتایج پاتولوژی آنها نیز جمع آوری و کدگذاری گردید. داده های جمع آوری شده به طور تصادفی به دو گروه آموزش (79 تایی) و آزمون (40 تایی) تقسیم شده و سپس به مدل کامل (آموزش با کل پارامترها) و مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک تزریق شدند. نتایج شبیه سازیهای به عمل آمده روی این دو مدل نشان می دهد که مدل ترکیبی، قادر است تعداد 5 الی 7 پارامتر را از میان 12 پارامتر تشخیصی موجود به عنوان بهترین پارامترها استخراج نماید. سپس شبکه عصبی با این پارامترهای بهینه آموزش داده شد و نتایج دقیقتری در مقایسه با مدل کامل شبکه عصبی به دست آمد.نتایج: برطبق نتایج بدست آمده از این پژوهش میزان دقت، حساسیت و ویژگی تشخیصی روی 40 نمونه آزمون، به ترتیب از 70%، 56% و 79% در مدل کامل شبکه عصبی به 80%، 75% و 83% در مدل ترکیبی، افزایش یافته است که این نتایج تا حدی بهتر از نتایج پزشک رادیولوژیست (68%، 83% و 61%) می باشد. در این تحقیق از تحلیل منحنی ROC و سطح زیر آن، برای ارزیابی دقیق تر کارایی شبکه قبل و بعد از ترکیب آن با الگوریتم ژنتیک و همچنین در مقایسه با نتایج پزشک رادیولوژیست، استفاده گردید. سطح زیر منحنی پس از آموزش با پارامترهای بهینه از 0.73 به 0.84 افزایش یافت.بحث و نتیجه گیری: نتایج این تحقیق بیانگر آن است که مدل ترکیبی قادر است پارامترهای بهینه و موثر را از میان پارامترهای تشخیصی موجود استخراج و باعث ارتقای کارایی و قدرت تعمیم شبکه عصبی گردد که این امر می تواند منجر به تشخیص کلینیکی دقیقتر توسط پزشک رادیولوژیست گردد.
كلید واژه: ماموگرافی، الگوریتم ژنتیک، شبکه عصبی مصنوعی، سرطان سینه

لینک کمکی